6SIGMA_经典讲解.ppt

1、单元 1 : 6 sigma 简介,1-1 6 Sigma 概念 1-2 6 Sigma 阶段推进内容 1-3 统计基本概念及理解 1-4 6 Sigma 品质水平是什么? 1-5 聚焦问题点阶段,最香甜的果实 - 全系统设计,大部分的果实 - Process特性化/最佳化,下部的果实 - QC 7 tool,掉在地上的果实 - 仅依靠直接检查,6 sigma 概念（广义）,-水平 6 5 4 3 2,PPM 3.4 233 6,210 66,807 308,537,工序 能力,缺陷的 机会,分布偏移 =1.5,Sigma 水平越高,其缺陷以指数形式减少,3 sigma水平的公司,6 sigm

2、a水平的公司,销售额中1015%是损失费用,销售额中5%是损失费用,百万中有66,807个不合格品,百万中有3.4个不合格品,依靠品质检查,重点是使工序中不产生不良,保证高品质需要很多费用,保证高品质所需费用更低,不能按体系进行,使用测定,分析,改善,管理技法,承认并满足于99%,不满足于99%,内部决定CTQ,彻底地以顾客观点来决定CTQ,6 sigma 概念,4 sigma 的水平是30页报纸中有1个错字的品质水平 5 sigma 的水平是百科全书中有1个错字的品质水平 6 sigma 的水平是小规模图书馆中有1个错字的品质水平,每年有54,000次的药品调剂错误,25年中只发生1次药品调

3、剂错误,每年护士或医生的错误造成新生儿死亡40,500名,100年中护士或医生的错误造成新生儿死亡3名,每月有2小时喝污染的食用水,16年中只有1秒钟喝污染的水,每周有2小时不能提供电话服务,100年中6秒不能提供电话服务,每天飞机发生5次着陆错误,美国所有航空公司10年发生1次着陆错误,每周发生1350次外科手术事故,20年发生一次外科手术事故,每小时遗失54,000件邮件,每年遗失35件邮件,6 sigma 概念,3 sigma水平的公司,6 sigma水平的公司,阶 段,Tools,6 sigma 概念(使用工具),Measurement (测定),5) Gage R然后,下一个阶段再接

4、着 进行改善活动。,Define(定义),1) 确定问题点/具体改善目标, 算术平均值 (x):, 调和平均 (H):, S(总变动 : Total Sum of Squares) : 偏差平方和, 无偏方差(Unbiased Variance) : S 除以自由度(n-1),S = (xi - x) = xi , 无偏方差的开方 or 标准偏差,统计基本概念的理解,数据的计算方法,中心位置特征值的计算：,散布的计算, 中位值 (x) : 按大小顺序排列时处在中央位置的值 最频数(Mode) : 资料中最频繁出现的值,区 分,参 数,统 计 量,均值(Mean),方 差 (Variance),

5、偏 差 (Deviation),均值：,样本均值： x,方差：,样本方差,无偏方差：V,标准偏差：,样本标准偏差,无偏方差的 开方,统计基本概念理解,参数和统计量,参数(Parameter) : 描述变量集合的特性值 统计量(Statistics) : 表示标本的特性值,n个偏差的和通常是“0”,因此有(n-1)个偏差的值，剩余一个自行决定 这叫自由度(Degree of Freedom).,统计基本概念理解,sigma是希腊字母，表示工序的散布. sigma是统计学记述接近平均值的标准偏差(Standard Deviation)或变化 (Variation),或定义为事件发生的可能性. Si

6、gma是表示工序能力的统计单位,测定的sigma 跟 DPU(单位缺陷,Defect Per Unit),PPM 等一起出现. 可以说明拥有高sigma值的工序，具备不良率低的工序能力. Sigma值越大品质费用越少,周期越短。,Sigma的定义,1, (平均),拐点,USL,3,平均值和拐点之间距离用标准偏差()表示。 如果目标值(T)和规格上下限(USL or LSL)距离是 标准偏差的3倍的话，说明具备了 3 Sigma的工序 能力.,T,某班学生的国语平均分数是60分,按偏差是5的正态分布的话,随意抽取一个学生时， 70分以上分数的可能性是多少?,Z值是已测定的标准偏差()有几个能进入

7、平均值到规格上下界限(USL,LSL)之 间的测定值.,60,65,70,45,50,55,测定值(分数) :,0,1,2,-3,-2,-1,Z-值 :,68.3%,95.4%,99.7%,75,3,假如规格上限是75分的话,现在的工序能力是 Z = 2 或 2.,统计基本概念理解,正态分布 : N(60, 5) 标准正态分布 : N(0, 1) 70分的情况下 Z-值是, ,Z,0,0.01,0.02,0.03,0.04,0.0,5.00E-01,4.96E-01,4.92E-01,4.88E-01,4.84E-01,0.1,4.60E-01,4.56E-01,4.52E-01,4.48E-

8、01,4.44E-01,0.2,4.21E-01,4.17E-01,4.13E-01,4.09E-01,4.05E-01,0.3,3.82E-01,3.78E-01,3.74E-01,3.71E-01,3.67E-01,0.4,3.45E-01,3.41E-01,3.37E-01,3.34E-01,3.30E-01,0.5,3.09E-01,3.05E-01,3.02E-01,2.98E-01,2.95E-01,0.6,2.74E-01,2.71E-01,2.68E-01,2.64E-01,2.61E-01,0.7,2.42E-01,2.39E-01,2.36E-01,2.33E-01,2.3

9、0E-01,0.8,2.12E-01,2.09E-01,2.06E-01,2.03E-01,2.00E-01,0.9,1.84E-01,1.81E-01,1.79E-01,1.76E-01,1.74E-01,1.0,1.59E-01,1.56E-01,1.54E-01,1.52E-01,1.49E-01,1.1,1.36E-01,1.33E-01,1.31E-01,1.29E-01,1.27E-01,1.2,1.15E-01,1.13E-01,1.11E-01,1.09E-01,1.07E-01,1.3,9.68E-02,9.51E-02,9.34E-02,9.18E-02,9.01E-02,

10、1.4,8.08E-02,7.93E-02,7.78E-02,7.64E-02,7.49E-02,1.5,6.68E-02,6.55E-02,6.43E-02,6.30E-02,6.18E-02,1.6,5.48E-02,5.37E-02,5.26E-02,5.16E-02,5.05E-02,1.7,4.46E-02,4.36E-02,4.27E-02,4.18E-02,4.09E-02,1.8,3.59E-02,3.51E-02,3.44E-02,3.36E-02,3.29E-02,1.9,2.87E-02,2.81E-02,2.74E-02,2.68E-02,2.62E-02,2.0,2.

11、07E-02,2.1,1.79E-02,1.62E-02,2.2,1.39E-02,1.25E-02,2.3,1.07E-02,9.64E-03,2.4,8.20E-03,7.34E-03,2.5,6.21E-03,5.54E-03,Z-值的计算,70分以上的可能性有多少?,60,65,70,45,50,55,75,Z, 正态分布总面积是1 某概率变量X到平均值()之间距离除以标准偏差()的值用Z来表示 如果规格上限(or下限)用X来代替时超出规格上限的 尾部面积可以认为有缺陷可能性 Z值是用来测定工序能力,跟工序的标准偏差不同, 在这里Z值是2.0，把全体面积作为1的时 对应的面积0.022

12、8.,规格上限,缺陷 区域,Pr(X 70) =,= (Z 2),= 2.28% 或 22,800PPM,有时按统计学教材,标记正态 分布的左侧尾部的值,统计基本概念理解,表的 Z-值表示正态分布右侧尾部面积,2.28E-02,6 能力,工序能力测定方法 Z-值,1,Z = 3,2,3,3 能力,USL,工序的变动(散布)越小工序能力越高. 其结果标准偏差更小,发生不良的可能性就低. 通过问题的现象分析把握工序能力（Z)：要提高到 6水平,统计上采取什么 样的活动?,统计基本概念理解,LSL,USL,LSL,Z = 6,1,2,3,4,5,6,需要什么样的管理? 需要什么样的技术?,短期的工序

13、能力,长期的工序能力,判断为短期内工序没有外部 影响 Zst(st) Cp 技术 最佳条件下的工序能力 6 : Zst=6.0, Cp=2.0 Zst = 3 Cp,判断为充分长时期内工序有 外部影响 Zlt(lt) Cpk 技术 + 工序管理 日常条件下的工序能力 6 : Zlt=4.5, Cpk=1.5 Zlt = 3 Cpk,长期内的工序能力因工序的中心移动及变动,跟Zlt Zst关系有关 Zshift = Zst - Zlt Zst = Zlt + 1.5,统计基本概念理解,规格下限 (LSL),-6,-5,-4,-3,-2,-1,+1,+2,+3,+4,+5,+6,规格关系,无偏移时

14、不良率 (理想的工序时),1.5 偏移时不良率,规格上限 (USL),1 2 3 4 5 6,317,300 45,500 2,700 63 0.57 0.002,697,700 308,700 66,810 6,210 233 3.4,6 sigma 品质水准是什么?,6 Sigma 品质是每百万个中 3.4 PPM ,即 Cp = 2.0, Cpk = 1.5,正态分布的平均偏移( 1.5),按规格变化和平均值偏移的不良率,-1.5,1.5,4 Block Diagram,Z shift 工序管理,A,B,C,1.5,2.0,2.5,0.5,1.0,1,2,3,4,5,6,Poor,Goo

15、d,Poor,Good,Z st 技术,A : 工序管理状态不足,现在技术水平也低 B : 需改善工序管理,但技术水平优秀 C : 工序管理优秀,但技术水平低 D : World Top 水平的公司,D,6 sigma 品质水平是什么?,聚焦问题点阶段,Process Mapping Process Mapping是调查情报的流程,而使Process文件化 为明确改善的可能性而使用的工具 Process Mapping制定 定义Process范围(要改善的一般领域或特殊的Process) 通过大脑风暴法制定Process的阶段顺序 为了容易分析,使用符号 为了验证Process,实际确认 追加

16、Key Process的值 (Yield,Cost,损失费用 ,加班费用, Cycle time等) 按题目的性质,使用分析图 (Process Loss或浪费要素/改善Cycle time/改善品质/Flow 改善),1. 确定问题范围,QFD(Quality Function Deployment)质量指标分解 QFD是将顾客核心要求事项,转换分解成技术要求事项(规格),或暂定的 CTQ的工具,由相关工序专家制定 QFD Process 进行市场调查，明确信赖性要求,及一般的要求事项和顾客对现在 品质核心问题的要求。 对调查内容优先排序,为满足顾客的要求事项制定技术规格 确定对顾客要求事项

17、影响大的技术规格的先后顺序,对已确定的先后 顺序的技术要求事项，转换成暂定的Part特性(CTQ) 对技术规格影响大的特性要素(CTQ)进行排序,QFD是为了能够改善顾客的核心要求事项,转换成技术规格的工具 通过QFD把顾客要求事项系统化,最终选定暂定的CTQ,开展改善活动,1. 确定问题范围,聚焦问题点阶段,FMEA(Failure Modes & Effects Analysis)故障模式及效果分析 FMEA是明确制品设计上可能发生的问题和排定其顺序,并针对故障模 式制定所采取的恰当活动 FMEA Process 对已设计的制品用Brainstorming法列出可能的故障模式 决定每种可能

18、故障模式的重要度和发生可能性 决定消除重要故障模式而采取的方法 开发消除或减少重要故障模式的方法 部分分析法 以优先顺序找出问题的核心事项 典型的是：80%的问题由20%产生,用逻辑树等方法展开问题后, 找出最终区域,选定经验丰富的工程师来执行课 题活动。,2. 决定活动课题和相关非常勤人员,聚焦问题点阶段,1. 确定问题范围,Brainstorming :在短时间内得出很多主意的办法 Brainstorming种类 Free Wheeling : 全Team员以对话形式即兴发掘Idea Round Robin : 对事件，Team员轮流发掘Idea Card Method : 不经讨论,Te

19、am员把Idea写在卡片上，贴到墙上 Brainstorming时注意事项 禁止批评 全部Idea都要记录 Idea发掘时不要解释或讨论 粗略的Idea也要鼓励 所有人都积极参与 Logic Tree(Structure Tree) 为达成目标的手段,用逻辑性表示 Break-down(展开)的问题之间MECE(互不重复无遗漏的全体) *. MECE(Mutually Exclusive and Collective Exhaustive) : (不重复,各个的和等于全体),6 sigma是对最终展开的低层问题进行改善后,最终问题得到改善的形态,2. 找出活动课题的具体事项,聚焦问题点阶段,4

20、. 确定活动题目的相关Benefit利益(定量/定性效果) :为保证达成,明确改善金额 5. 对活动课题的问题记录 :在现象分析时,记录现在现象和所希望的现象 6. 计划时间表管理 : 通过分析把全部日程用具体的图表管理,聚焦问题点阶段,单元2 : 测定(Measurement),2-1 变化的理解 2-2 Gage R&R 2-3 连续型数据分析 2-4 离散型数据分析,变化的理解,数据的分类,工程问题/Bottle Neck/Issue事项,解决问题,连 续 型 D A T A,离 散 型 D A T A,连续型数据（计量型数据） Inch or时间一样能使用测定刻度的数据 比计数值数据提

21、供更多情报 离散型数据（计数型数据） 提供合格不合格之类情报的数据 不能再细分化的数据,测定后不能数据化的话,抓不住改善的机会。即可测定的所有问题都能用 6sigma Tool进行改善。,变化的理解,群内变化(White Noise),White Noise是工程内存在的日常因素引起的变化(偶然因素) 现在的技术水平是不可能控制的变化 一般工程的散布 工程上受细小的多数因素的影响 Z.st来表示,群间变化(Black Noise),Black Noise是工程外部因素影响中心值移动 一般情况下,可查明原因的变化(异常原因) 现在工程上可控制的变化 一般情况下,在工程的目标值上平均值偏移 实际上

22、可以知道随时间的变化,工程能力会怎样变化,群内.群间变化的区分例,作业者 1 作业者 2 作业者 3,作业者 4 作业者 5 作业者 6,作业者 7 作业者 8 作业者 9,Line 1,Line 2,Line 3,群内变化 : 每Line 1, 2, 3内出现的(即 Line内作业者间的变化) 工程变化 群间变化 : 各 Line间的差异而出现的工程变化,变化的理解,Rational Subgroup （合理分组）,指跟数据的种类无关,在可能的短时间内彼此类似的条件下作业的样本群。,Process Response,Time,群间变化 (Black Noise),群内变化 (White No

23、ise),Rational Subgroups,Rational Subgrouping是指 Subgroup内只存在群内变化, Subgroup 间只发生群间变化,将数据 Grouping 通过这种区分可把握长期,短期工程能力 经长期收集的数据是不管业务部门还是制造部门都包含在群内,群间变化。,为什么要Rational Subgrouping,Rational Subgroup是 6 Sigma的一个强大的工具。 是区分工程的短期工程能力或长期工程能力的重要方法 可以把握平均值移动问题还是散布问题 把问题特殊化的第一个阶段 Rational Subgroup要包含的要素 : 为了明确给工序变

24、化暂定影响的X因素，使用5M求解特性要因图 Man :作业者变更.昼夜班次交换,新作业者等 Machine : 机械设定值变更,设备维修&维护等 Material : 交付LOT.作业安排,原材料等 Method : 作业者间的作业方法差异等 Measurement : 测定者的变化,测定设备误差等,变化的理解,Rational Subgrouping事例,改善供应TV Back Cover协力社的品质.为了分析部品变化的原因 制定 Rational Subgrouping 计划 预想的暂定 X因素及实际计划 两台注塑机:对两台注塑机实施下列内容 交接班:对交接班别取样分析 每周作业者的变更:

25、对每周变更的作业者别取样分析 按原材料别构成Lot，分析Lot别有无差异,Gage R&R Study,Gage R&R Study有下面3种 反复性(Repeatability) 再现性(Reproduceability) 全体测定变化 即对比 Process 或 Spec 决定测定系统的变化有多少程度比率的系统。,Total = (Part-Part) + (R&R), 数据 全体 变化, 部品间变化, 测定 Error 变化,Gage R&R的重要性,Gage R&R的实行结果提供下面的情报 选定计测器的适合性 (Gage分解能力的恰当性) 测定系统时间上稳定性(or 可信赖) 测定满足

26、误差时,是工程变化或规格值关联可以接受。 (因素测定的变化量小,以具备正确找出诱发 Y变化的 X 因素 ),Gage R&R是什么？,测定系统给工程的变化值造成多少影响,Gage R&R,Gage R&R,Gage R&R判断基准,计测器选定(测量的精度),一般来说量具要求是工序变化/Spec 许可误差的10%或更小的精度是合理的。 精度:在量具上能读到的测定最小单位 例)部品的公差=0.020时, 量具精度要满足0.002,30% 以上,判断,20% 以下,Accept,20%30%,考虑适用部品的重要度等 判断能否Accept,一般情况下 Accept,设计许可误差对比 Gage,Gage

27、 R&R 值越大，要制定改善计划并进行改善。如果不顾测定系统的误差,不改善系统的话,在6 Project实行中,要愿意接受测定系统可能发生误差的危险。,Gage R&R的 Sampling实施,以随机原则实施,但为了把握 Spec的所有范围的变化,实施前必须制定抽样计划。,Gage R&R,对测定系统变化的理解,反复性(Repeatability) : 1名测定者使用同样计测器测定同样部品的 同样特性时得到的变化,再现性(Reproduceability) : 同样部品的同样特性使用同样计测器 由多名测定者测定时得到的变化,Gage R&R,对测定系统变化的理解,稳定性(Stability)

28、: 在一定的时间间隔下把标准品用同一的计测器 测定同一的特性值时得出的变化。,偏移(Bias) : 实际测定值跟试料平均值的差异值叫准确度(Accuracy),Gage R&R,对测定系统变化的理解,线性(Linearity) : 通过期望的Gage工作范围比较精确度得到的值 即在已定的工作范围的两边界线区间上，最少研 讨1回的精确度得到的值的差.,Gage R&R,Gage R&R 类型,短期的方法 只需要2名测定者和5个部品 不能分离反复性和再现性 可以迅速确认想测定的计测器的接受与否 长期的方法 典型的是23名的测定者对10个部品反复测定23次 可以明确把握测定系统的变化有多大,能分离反

29、复性和再现性,部品 1 2 3 4 5,测定值 1 2.003 1.998 2.007 2.001 1.999,测定值 2 2.001 2.003 2.006 1.998 2.003,测定差(1-2) 0.002 0.005 0.001 0.003 0.004,范围的界限, 测定差平均值=R/5=0.015/5=0.003 测量误差=(5.15/1.19)(R) =4.33(0.003)= 0.013 公差的测量误差 =(0.013100)/0.030 = 43.35% 参考)测量误差用测定差的平均值乘以常数(这里是 4.33)来计算. 常数在5.15/d*里已有计算, d*是下表中的值，5.

30、15是Gage引起的 变化能满足5.1599%值。,1 2 3 4 5 6 7 8 9 10,R=0.015,2 1.41 1.28 1.23 1.21 1.19 1.18 1.17 1.17 1.16 1.16,3 1.91 1.81 1.77 1.75 1.74 1.73 1.73 1.72 1.72 1.72,4 2.24 2.15 2.12 2.11 2.10 2.09 2.09 2.08 2.08 2.08,5 2.48 2.40 2.38 2.37 2.36 2.35 2.35 2.35 2.34 2.34,部品数,测定者数,Gage R&R,短期的方法时 Gage R&R 运用,

31、CTQ 部品的Spec是2.0000.015时,对测定差平均分布的 d* 值,Gage R&R,长期方法时 Gage R&R的 Minitab运用,选定Monitor Cover为 Six Sigma Theme Spec = 2.3 1.5 为确认测定系统,3名检查者对10个部品反复测试2次 File name: Gageaiag.mtw,为确认测定系统,3名检查者对10个部品反复测试2次,Stat Quality Tools Gage R&R Study,Gage R&R,输入变量,选择 ANOVA,点击 OK 后 Down Page,长期方法时 Gage R&R的 Minitab运用,G

32、age R&R Study - ANOVA Method Two-Way ANOVA Table With Interaction Source DF SS MS F P Part_ 9 2.05871 0.228745 39.7179 0.00000 Operator 2 0.04800 0.024000 4.1672 0.03256 Operator*Part_ 18 0.10367 0.005759 4.4588 0.00016 Repeatability 30 0.03875 0.001292 Total 59 2.24913 Gage R&R Source VarComp StdDe

33、v 5.15*Sigma Total Gage R&R 0.004437 0.066615 0.34306 Repeatability 0.001292 0.035940 0.18509 Reproducibility 0.003146 0.056088 0.28885 Operator 0.000912 0.030200 0.15553 Operator*Part_ 0.002234 0.047263 0.24340 Part-To-Part 0.037164 0.192781 0.99282 Total Variation 0.041602 0.203965 1.05042 Source

34、%Contribution %Study Var %Tolerance Total Gage R&R 10.67 32.66 11.44 Repeatability 3.10 17.62 6.17 Reproducibility 7.56 27.50 9.63 Operator 2.19 14.81 5.18 Operator*Part_ 5.37 23.17 8.11 Part-To-Part 89.33 94.52 33.09 Total Variation 100.00 100.00 35.01 Number of Distinct Categories = 4,Gage R&R,%St

35、udy Var : 表示能区分部品与部品间的差异点的检测系统的能力 (Gage R&R)(工程管理中 : 要求20%以下) %Tolerance : 表示部品在已定公差基准内,区分接受可否的检测系统的能力 (判断总体 Gage R&R的合格与不合格),长期方法时 Gage R&R的 Minitab运用,Number of Distinct Categories = 4 表示检测部品的信赖性区间不重叠的个数,Gage R&R,4个 Categories,Number of Distinct Categories 判断方法 Number of Distinct Categories : 0 1 不

36、适用(改善检测系统) Number of Distinct Categories : 2 4 附加条件时可接受 Number of Distinct Categories : 5以上 可接受,对同样部品的同样特征值测量，由3名检查者反复检测2次。可以分为4组对特定部品测定，信赖性区间小说明测定者和测定有反复，且测定很准确。如果信赖性区间重叠意味(信赖区间不重叠意味着组数小)测定的变化大。,长期方法时 Gage R&R的 Minitab运用,Gage R&R,Gage R&R的 Graph解释,X bar 管理图 测定值超出管理界限,表现为良好的结果. * 如果测定值的50%以上在管理界限内的话

37、,这个系统不适合. 管理界限是用测定者间的测定值变化来计算,因此测定值的变化小说明 管理界限的幅小 即,说明测定者间的测定值变化很小 测定的变化(测定者,测定系统)比部品间变化相对小 可以读出 Parts间变化的情况 R 管理图 大部分的测定值在管理界限内 表示所测定的数据的值是正常的,长期方法时 Gage R&R的 Minitab运用,Gage R&R,Gage R&R的Graph解释,除了Operator 1和 Part 4之间的关系,整体上Operator和Part之间表现出好的测定结果.,有必要对Operator 1,2,3间的Part10,找出散布大的原因并查明,可以知道“Oper*

38、Part”间的交互作用,这是主效果的操作者(测定者)影响 Y的值.操作者的测定值,跟Part彼此调合后影响 Y(Gage R&R).,长期方法时 Gage R&R的 Minitab运用,Gage R&R,适合贯能判断时 Gage R&R,对各 Parts用贯能来判定合格与不合格，或 gono go时 TV 外观检查时, 2名评价者反复测试20个管子,评价者 1,评价者2,1,2,1,2,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,G,G,G,G,G,G,G,G,NG,G,G,G,NG,NG,NG,NG,G,G,G,G,G,G,G,G,N

39、G,NG,NG,NG,NG,NG,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,NG,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,实验顺序,如果各部品别4次都有出现同样结果的话，其评价是可接受的 % Gage R&R = 320100 = 15%,Gage R&R,Gage R&R实行时注意事项,以Blind测定来评价 决定几名评价者为合理 按产品的重要性和统计特性决定试料数和反复次数 预先决定评价周期 抽取样本时运用随机原则，但实施 Gage R&R时须对试料事先计划再行抽样 利用贯能法

40、检查实施Gage R&R时，要选定技能相同的评价者实施Gage R&R 一般是看 %Tolerance 值来判断Gage的接受与否，但%Study Var在20%以上时， 有必要点检工序Process Gage R&R 值较大时，必须制定改善计划进行改善。如果测定系统有误差， 但不改善系统的话，在执行6Project期间要接受测定系统可能发生误差的危险。,短期工序能力是只存在群体内变化,表示取样的数据都具有同样的品质特性，但有主要技术要素引起品质特性变化，因此，品质特性变化越大，散布也就越大，短期工序能力也就越差。 Short Term Process Capability Index : 短

41、期工序能力指数 Zst(st), Cp Zst = 3 Cp 长期工序能力是包括群内变化和群体间变化，为了改善技术和工序管理，必须判断工序是否稳定时，用长期工序能力的特性来取样，来确认包括管理要素引起的变化和技术的要素引起的变化。 Long Term Process Capability Index : 长期工序能力指数 Zlt(lt), Cpk Zlt = 3 Cpk,什么是工序能力,工序能力,工序在管理状态时，其工序生产的产品品质变化有多少程度的值；或指在管 理状态（稳定状态）下，工序能制造出来的品质水平的程度。 Six Sigma 工序能力是指工序的变化（or标准偏差: )小，即使乘以6

42、倍， 变化值也能够满足规格的工序能力。,短期/长期工序能力的意义,Short-term Capability (6),Long-term Capability (3), st, lt,工序能力度评价,工序能力,随着时间的变化,工序因各种外部因素(4M)变化，长期工序能力 比短期工序能力散布大,时 间, st, st, st,SL,SU,工序能力,两侧有规格时的工序能力,Cpk = (1K)Cp,有偏移时的工序能力,K,用语解释 K : 偏移系数(如果 K=0,则 Cp = Cpk ) M(Mid-range) : 规格的中心 T(Tolerancne) : 公差 SU(Upper Spec)

43、: 规格上限 SL(Lower Spce) : 规格下限,SL,SU,SL,SU,M,工序能力的数学式,工序能力的数学式,工序能力,只有规格上限时的工序能力,只有规格下限时的工序能力,SU,SL,Cpu =,CpL =,葡萄酒农场为了参加庆祝大会，在准备过程中，有必要改善葡萄酒品质 而准备 Project,首先为了把握现象，按合理分组计划规划得出了包括 下列 X 因素的葡萄酒质量Y的样本。 X因素:地域,木塞, 葡萄酒味, 透明性, 香气，葡萄酒瓶 File name : training/s1/sixsigma.mtw,工序能力的 Minitab 运用,工序能力,Stat Basic Sta

44、tistics Normality Test,点击 OK 后,键入变量,p-value 值比留意水平 (0.05)大，因此可以知 道是正态分布,数据 的正规性验证,工序能力,计算工序能力指数,工序能力的 Minitab 运用,工序能力,Edit Command Line Edit,继续输入命令语句 5 表示subgroup size(n=5) 表示命令语句输入完毕,点击 Submit Commands,工序能力的 Minitab 运用,对Long-term PPM的线是平坦的 Subgroup数的地点， 表示工序稳定，用这个可以看出数据是否充分。,表示对短期/长期 Z-level 及 PPM值

45、,工序能力,点击 Submit Commands,工序能力的Minitab 运用,工序能力,与spec对比工序 能力比较,提供对工序能力 的多样的情报,短期工序能力有关的统计值 Cp, Cpk, Cpu, Cpl长期工序能力有关的 统计值有 Pp, Ppk, Ppu, Ppl 为了计算短期工序能力，使用只考虑组内的滚动,即群内变化的 Zst，所 以用暂定的工序能力或最高的工序能力来表示。并且表示通过改善活动， 消除平均值移动引起的偏移时的最高的能力。 为了计算长期工序能力，考虑规格的上、下限，表示实际的工序能力，使 用群内，群间变化都考虑在内的Zlt。,工序能力 Minitab 运用,工序能力

46、,Stat Quality Tools Capability Analysis(Normal),Single Column : Quality Subgroup Size : 5 Lower spec : 8 Upper spec : 22 键入变量,工序能力 Minitab运用,工序能力,点击OK,Observed Performance : 表示现在的工序能力状态下，实际超出上、下限规格的不良率 （观察特性） Expected Performance : 表示现在的工序能力状态下超出上下限规格的所预测的不良率 （预测特性）,在实际测定数据中，计算超出 规格上限或下限的不良率，用 PPM单位

47、表示的值,在长期工序能力状态下超出规格 上限或规格下限的不良率有多少 程度 把期待的不良率用PPM单位 表示的值,用语解释,离散型数据分析,D(Defect) : 缺陷 or 不良（事项） 为了满足顾客的要求事项而浪费的再作业或失败的工作。 例) 把顾客的要求事项记错的差错情报。,DO(Defect Opportunity): 机会损失（缺陷） 可能引发的机会损失（缺陷）的行动或事件。 例) 须在一张要求式样上记录的项目数,U(Unit): 元件 元件测定可能机会的细节 例) 要求样式,DPU(Defect Per Unit) : 每个元件内存在的缺陷数,DPO(Defect Per Oppo

48、rtunity)：每个机会损失数 每个 Unit中存在机会数和关联的元件内存在的缺陷数,DPMO(Defect Per Million Opportunity)（每百万机会损失数） : 1,000,000单元存在的损失数 DPO 1,000,000 转换Six Sigma比率,P(ND) = None Defect: 无损失 机会不能成为损失的可能性 : P(ND) = 1 DPO,DPU/DPO/DPMO/P(ND)改善,离散型数据分析,发出了100张送货单，其中检出100个不符合项,如果各单元有10个项目， DPU/DPO/DPMO/P(ND)各是多少？,DPO = D/(U Opp) D

49、PO = 100/(100 10) = 0.1(10%)该值表示所发出的送货单的每个项目最少有1个不良的可能性是10%。,DPMO = DPO 1,000,000 例) 上例DPMO是 0.1 1,000,000 = 100,000 DPMO,P(ND) = 1 DPO = 1 0.1 = 0.9(90%),DPU = D/U DPU = 100/100 = 1.0(100%)该值表示平均值，所以每张送货单包含1个不符合项,利用泊松公式计算收率,离散型的数据分析,利用泊松公式,这里 Y : 收率 DPU : 元件缺陷数 r : e : 指数函数 2.71828,Y =,0!,r = 0时, 对

50、缺陷机会数越大，Y越接近 0,Process Yield (例题),离散型数据分析,如果 750 元件有34个的缺陷时,计算 DPU/DPO/DPMO/Yield/Sigma各是多少？ (各元件有 10个的机会数),DPU = 缺陷数 元件数 = 34 750 = 0.0453 DPO =缺陷数 (元件数 机会数) = 34 (750 10) = 0.00453 Yield 值是,= 2.7138 = 0.9559 = 99.6%,- 0.045,Y = P(ND) = (1 DPO) = (1 0.0045) = 0.9559 = 95.6% DPMO = DPO 1,000,000 = 0

51、.0045 1,000,000 = 4,500PPM 1个元件有 45,000PPM的缺陷 Sigma = Zinv(0.9556) + 1.5 (偏移) = 1.71 + 1.5 = 3.21,- 10,- 10,- 10,Zinv是把 Z值按面积来换算的值，以标准正态分布来计算。,收率的种类,YFT(First Time Yield): (单工序首次收率) 表示再作业后没有修理的收率的值 应用 : 决定个别工序的个别品质水平时使用。 YRT(Rolled Throughput Yield): 全工程一次性直通收率 表示一个产品通过全工各没有经过一次的修理和再作业，到最终合格为 止的收率值。

52、 应用 : 在所有工序上按顺序的阶段来进行累计后，评价品质水平时 使用。 YNA(Normalized Yield): 标准收率 表示计算连续工序的评价收率的值 应用 : 完成产品的品质水平评价时使用。,收率概念比较,累计收率(YRT),现在为止的收率(YF),考虑工序各阶段(机会数) 考虑再作业和部品废弃 提示无缺陷的可能性 调查各工序的品质 考虑工序是由多少个来构成的 YRT = e Y = Y1 Y2 . Yn,只考虑最终工序 不考虑再作业和部品废弃 不能提示无缺陷的可能性 只调查最终工序的品质 不考虑工序是由多少个来构成的 YF = S/U S : 合格台数 U : 检查台数,离散型数

53、据分析,Input,工序 1 : 99%,工序 2 : 92%,工序 3 : 93%,最终检查 : 97%,YRT(Rolled Throughput Yield),离散型数据分析,YRT = 0.99 0.92 0.93 0.97 = 82.2%,没有管理的 Loss,没有管理的 Loss,没有管理的 Loss,离散型数据分析,YFT(First Time Yield),100 Units,废弃 15 Unit,Hidden Factory,85 Units,70 Units,A,再作业,完成的产品,工序 A有输入100个Unit(元件) 输入的70%元件没有缺陷已经销售 输入的30%元件有

54、缺陷并再作业 15个元件修理完毕，15元件报废 现在为止的 Final Yield(YF)最终收率是 85% 因 First Time Yield(YFT)表示最初的作业是正确的，所以现在情况下 YFT是 70%。,离散型数据分析,YRT(Rolled Throughput Yield),阶段 2,YRT是连续的各阶段 YFT 之乘 YRT = 0.8 0.7 0.9 = 0.504(50.4%) 没有考虑再作业 计算各阶段的平均收率 不是算术平均，而使用各阶段的几何平均值 YND(Normalized Yield) =n 这里 n 表示工序的数 上例 YND(Normalized Yield

55、) = = 0.7958(79.6%) 各阶段平均 YFT = 79.6% 正常收率是全工程平均收率,以YND(Normalized Yield)值来计算Sigma值,产品 A由 3个连续的阶段来形成的话， YRT/YND的值是什么？,阶段 1,阶段 3,YFT = 70% YF = 90%,YFT = 80% YF = 100%,YFT = 90% YF = 95%,YRT,0.504,通过YRT可以知道工程真正的收率(累计直通率). 部品数或工序(作业)的阶段越少，收率值越大.,离散型数据分析,并列构成的工序的累计收率的计算,?,YRT = Y1 Y2 Y3 Y4 = 0.99 0.91

56、0.99 0.991/3 0.97 0.98 = 0.9035 YNA = (YRT) = (0.9035) = 0.9749 损失(缺陷)概率 = 1 0.9749 = 0.0251 利用正态分布查找0.0251值的 Z 值,可知 Z = 1.96,Process Mapping中并列构成的工序变换为直列来计算收率,99%,98%,97%,91%,99%,99%,2a,2b,2c,工序 2,工序 1,工序 4,工序 3,File name : training/s1/REF_ROLL.MTW,离散型数据分析,累计收率(YRT) Minitab 运用,Edit Command Line Edi

57、t,离散型数据分析,Z 列的累计值(短期),累计收率(YRT)的 Minitab 运用,离散型数据分析,表示Z列的值和 PPM之间 的关系,累计收率(YRT)的 Minitab 运用,单元3 : 分析(Analysis),3-1 Graph 分析 3-2 假设检验(计量型) 3-3 假设检验(计数型),跟实际问题相结合,明确产生结果 将预想产生的结果与试验计划结合 Focusing 按预想产生的结果制定数据收集计划,Graph分析,想知道什么?,利用收集的数据，运用(实际)Graph来分析,怎么做呢?,Graph分析结果，确认是否得到所需要的结果后，决定有无追加研讨事项。 实际Graph分析结果，改善可能的部门。采取一次性改善措施。,对 Graph 分析结果相应采取措施,点击 OK,Graph分析,运用Histogram(直方图),Graph分析的 Minitab运用,在空调生产线上 Compressor （压缩机）组装时间对暴露在湿气的时间很重 要，因此对3个生产线的3名作业者，